Teknik Analisis Data METODE PENELITIAN
57 2014:5. Menurut Singgih Santoso 2010 menyebutkan bahwa model
regresi yang baik adalah yang tidak terjadi heteroskedastisitas. d. Uji asumsi normalitas
Uji asumsi normalitas bertujuan untuk menguji apakah dalam sebuah model regresi, varibel independen, variabel dependen, atau
keduanya mempunyai distribusi normal atau tidak. Suatu model regresi yang baik adalah yang memiliki distribusi data normal atau mendekati
normal Sugiyono, 2015:241. Untuk menguji normalitas data yang diperoleh baik variabel bebas
maupun variabel terikat digunakan rumus : f
o
-f
h 2
X
2
= ∑ f
h
Keterangan: X
2
= Chi kuadrat f
o
= Frekuensi yang diobservasi f
h
= Frekuensi yang diharapankan Sugiyono, 2007: 107
e. Uji asumsi linearitas Uji linieritas dilakukan dengan melihat scatterplot antara standar
residual dengan prediksinya. Bila sebaran tidak menunjukkan pola tertentu maka dikatakan asumsi linieritas memenuhi syarat Junianto,
2014:11. Untuk mengetahui hal tersebut, kedua variabel harus di uji dengan
menggunakan Uji F pada taraf signifikansi 5 yang rumusnya :
58 RK
reg
F
reg
= RK
res
Keterangan : F
reg
= Harga F untuk garis linier RK
reg
= Rerata kuadrat regresi RK
res
= Rerata kuadrat residu Hadi, 2004:23
Harga F
hitung
kemudian dikosultasikan dengan F
tabel
, apabila F
hitung
lebih kecil dari F
tabel
maka pengaruh antara variabel bebas dan variabel terikat dikatakan linier. Sedangkan jika F
hitung
lebih besar dari F
tabel
maka pengaruh antara variabel bebas dan variabel terikat dikatakan tidak linier.
3. Pengujian Hipotesis a. Analisis Regresi Linier Sederhana
Teknik ini digunakan untuk menguji hipotesis pertama dan kedua, yaitu untuk mengetahui pengaruh atau hubungan dan membuktikan
hipotesis pengaruh dua variabel bila data kedua variabel berbentuk interval dan sumber data dari dua variabel tersebut adalah sama. Untuk
persamaan regresi dimana Y merupakan nilai yang diprediksi, menurut Sugiyono 2015:262 maka persamaannya ialah:
Y = a + β
1
X
1
untuk regresi linier sederhana Keterangan :
Y = nilai yang diprediksikan X = nilai variabel independen
β = koefisien regresi a = konstanta atau bila harga X = 0
59 b. Analisis Regresi Linier Berganda
Teknik ini digunakan untuk menguji hipotesis ketiga, yaitu untuk mengetahui besarnya koefisien korelasi variabel bebas secara bersama-
sama terhadap variabel terikat. Dengan teknik ini dapat diketahui koefisien korelasi ganda anatara variabel bebas dan terikat, koefisien
determinasi, sumbangan relatif serta sumbangan efektif masing-masing variabel bebas terhadap variabel terikat. Langkah-langkah yang harus
ditempuh dalam analisis regresi linier berganda adalah : 1 Membuat persamaan garis regresi dengan dua prediktor, rumus
sebagai berikut : Y = a + β
1
X
1
+ β
2
X
2
+ … + β
k
X
k
untuk regresi linier berganda Keterangan :
Y = nilai yang diprediksikan X = nilai variabel independen
β = koefisien regresi a = konstanta atau bila harga X = 0
Sugiyono, 2015:262 2 Mencari koefisien korelasi R
2
antara prediktor X
1
dan X
2
dengan Y, menggunakan rumus sebagai berikut :
A
1
∑x
1
y + a
2
∑x
2
y R
2 1,2
= ∑y
2
Keterangan : R
2 1,2
= koefisien determinasi antara Y dengan X
1
dan X
2
a
1
= koefisien prediktor X
1
a
2
= koefisien prediktor X
2
∑x
1
y = jumlah produk X
1
dengan Y
60 ∑x
2
y = jumlah produk X
2
dengan Y ∑y
2
= jumlah kuadrat kriterium Y Hadi, 2004:22
3 Untuk menguji signifikansi koefisien regresi majemuk digunakan uji F, dengan rumus sebagai berikut :
R
2
N-m-1 F
reg
= m1-R
2
Keterangan : F
reg
= harga F garis regresi N
= cacah kasus m
= cacah prediktor R
= koefisien korelasi antara kriterium dengan prediktor- prediktor
Hadi, 2004:23 Uji F digunakan untuk mengetahui signifikansi pengaruh
antara variabel bebas dan variabel terikat. Setelah diperoleh hasil perhitungan tersebut, kemudian F
hitung
dikonsultasikan dengan F
tabel
misal pada taraf signifikansi 5. Apabila F
hitung
sama dengan atau lebih besar dari F
tabel
maka terdapat kontribusi signifikan variabel bebas terhadap variabel terikat dan sebaliknya apabila F
hitung
lebih kecil dari F
tabel
maka variabel bebas terhadap variabel terikat tidak signifikan.
4 Untuk mencari sumbangan relatif dan sumbangan efektif masing- masing prediktor terhadap kriterium digunakan rumus :
a Sumbangan Relatif SR Perhitungan
sumbangan relatif
digunakan untuk
mengetahui besarnya sumbangan masing-masing variabel bebas
61 terhadap variabel terikat. Sumbangan relatif dapat dihitung
dengan rumus sebagai berikut : a∑xy
SR = x 100
JK
reg
Keterangan : SR = sumbangan relatif dari suatu prediktor
a = koefisien prediktor
∑xy = jumlah produk antara X dan Y JK
reg
= jumlah kuadrat regresi Hadi, 2004:37
b Sumbangan Efektif SE Perhitungan
sumbangan efektif
digunakan untuk
mengetahui besarnya sumbangan relatif tiap prediktor dari keseluruhan populasi. Sumbangan efektif dapat dihitung dengan
rumus menurut Hadi, 2004:39 sebagai berikut : SE = SR x R
2
Keterangan : SE = sumbangan efektif dari suatu prediktor
SR = sumbangan relatif dari suatu prediktor R
2
= koefisien determinasi Menurut Singgih Santoso 2002:393, dasar pengambilan keputusan
bisa dilakukan berdasarkan probabilitas Asymtotic Significance, yaitu: a Jika probabilitas 0,05 maka distribusi dari populasi adalah normal.
b Jika probabilitas 0,05 maka populasi tidak berdistribusi secara normal.
62